Nations unies : allouer les fonds humanitaires à ceux qui en ont le plus besoin

Répondre aux crises mondiales 

Dans des pays comme le Myanmar, le Venezuela, la Syrie ou le Niger, des millions de personnes ont besoin d’une aide urgente, aussi bien pour accéder à la nourriture et à l’eau potable que pour se protéger de la violence. Le Bureau de la coordination des affaires humanitaires (BCAH) des Nations unies coordonne à l’échelle mondiale les réponses à apporter à de telles crises humanitaires. 

Le BCAH reçoit des contributions d’un large éventail de donateurs tels que des gouvernements, des organismes à but non lucratif, des œuvres de bienfaisance, des fondations ou encore des particuliers. En 2021, ces contributions se sont élevées à deux milliards de dollars. Ses initiatives prioritaires se divisent en quatre catégories : les femmes et les filles, les handicaps, l’éducation en situation de crise prolongée et la protection. 

Explorer les possibilités

Le BCAH reçoit chaque année plus de 100 propositions d’organisations désireuses d’obtenir un financement. Ces propositions peuvent atteindre 100 ou 200 pages, ce qui demande beaucoup de temps à la petite équipe du BCAH pour les étudier en détail.

Le laboratoire des technologies émergentes des Nations unies souhaitait explorer une solution qui rendrait le processus d’évaluation des propositions plus efficace et qui permettrait au BCAH de partager des informations sur l’impact des donateurs.

« Le BCAH a besoin de savoir qu’il fait bouger les choses dans ces secteurs prioritaires », déclare Lambert Hogenhout, directeur des données, de l’analyse et des technologies émergentes, à la tête du laboratoire des technologies émergentes. « Et les donateurs doivent avoir la certitude que leur argent est dépensé conformément à leurs intentions. Malheureusement, les capacités humaines sont limitées, notamment lorsqu’il s’agit de lire une centaine de propositions chaque année et d’en extraire des informations importantes. » 

M. Hogenhout savait qu’il voulait créer une solution faisant appel à l’intelligence artificielle. Après avoir pris connaissance du AI Center of Purpose de Slalom, il a souhaité s’associer à notre équipe. 

« Il nous faut toujours beaucoup de temps pour nous mettre à la page avec ces technologies avancées, explique M. Hogenhout. Nous espérions que la collaboration avec l’équipe d’experts de Slalom allait nous permettre de dynamiser notre projet, et que nous pourrions également apprendre d’eux et réduire considérablement la courbe d’apprentissage de notre équipe vis-à-vis de certaines nouvelles technologies. Tout a fonctionné exactement comme nous l’avions espéré. » 

Harry Potter, les Détraqueurs et la recherche cognitive

Nos équipes ont organisé une séance d’idéation pour réfléchir à des solutions. Slalom souhaitait montrer comment le service Azure Cognitive Search pouvait aider à traiter les propositions. À cette fin, nous avons utilisé un exemple concret pour décortiquer le fonctionnement de la technologie.

« Nous avons pris les sept tomes de la saga Harry Potter et les avons ingérés par le pipeline de traitement du langage naturel, en utilisant le service Azure Cognitive Search, explique l’un de nos architectes de solutions. Ce service hiérarchise automatiquement les mots selon leur niveau d’importance dans les livres. Les mots importants sont donc sélectionnés tandis que les mots banals et sans signification sont écartés. Azure forme différents sujets ainsi que des mots associés qui font partie de ces sujets. Les Détraqueurs pourraient par exemple être un sujet, et Azure saura que le sort le plus proche d’un Détraqueur est Spero Patronum. C’est un peu comme une recherche Google pour vos livres Harry Potter. Le service peut générer un graphe de visualisation de sujets et d’associations qui sait ce que vous recherchez en fonction de votre sujet. »

Nous avons recommandé d’utiliser le service Azure Cognitive Services de la même manière pour les propositions du BCAH. Nous savions que nous serions en mesure de créer une solution capable de parcourir une proposition en quelques secondes, en trouvant des sujets et des associations qui peuvent ou non être liés aux initiatives prioritaires du BCAH. Par exemple, l’outil pourrait apprendre que des mots comme « écoles », « enseignants » et « classes » sont susceptibles d’être liés à l’initiative d’éducation. Il attribuerait alors à cette proposition une note élevée pour signaler que sa distance est proche de cette initiative. L’équipe d’Hogenhout était partante. 

Exécution rapide et réussie 

Nous avons mis au point une preuve de concept réussie en moins de trois semaines. En voici les éléments clés :

• Modélisation thématique
  La modélisation thématique est une technique d’apprentissage automatique non supervisée qui analyse un ensemble de documents textuels, détecte les groupes de mots similaires et les organise en thèmes. Nous avons créé un pipeline d’extraction en extrayant le texte par reconnaissance optique de caractères (ROC). Nous avons ensuite segmenté les mots en unités lexicales et procédé à une extraction d’entités. Sur cette base, nous avons obtenu une liste de sujets pour chaque document et généré une liste de termes avec leur fréquence associée pour chaque sujet.

• Graphe de connaissances
  Nous avons créé un algorithme de notation de la « distance par rapport à l’initiative » pour déterminer la pertinence des propositions vis-à-vis des initiatives du BCAH. Une proposition peut par exemple être pertinente à 90 % pour l’éducation en situation de crise prolongée. On obtient ce pourcentage en se basant sur la fréquence des mots étroitement associés aux thèmes « éducation » et « crise prolongée ». 

• IA responsable 
  ConceptNet est à la fois une base de connaissances et un outil de traitement du langage naturel, disponible gratuitement. Les modèles entraînés à partir de données de sources ouvertes comme ConceptNet sont réputés pour comporter des biais. Ces derniers sont en effet extraits d’utilisateurs qui utilisent un langage discriminatoire sur les plateformes sur lesquelles ils entraînent leurs réseaux. Nous avons pu détecter et atténuer ces problèmes en automatisant la suppression des termes et associations biaisés, comme « domestique », « préposée » et « bagages » associés aux femmes. Nous avons examiné manuellement tous les concepts directement liés aux initiatives du BCAH et nous nous sommes assurés que ce biais ne persisterait pas dans les itérations futures de notre graphe de connaissances. 

• Recherche cognitive 
  Nous avons utilisé le service Azure Cognitive Services pour générer des index consultables à partir de documents PDF bruts des Nations unies. Par exemple, une personne peut rechercher « choléra » et obtenir une liste de tous les lieux géographiques les plus proches de ce terme parmi les documents bruts. 

• Visualisation de graphes 
  Nous avons développé une application Web capable de visualiser un graphe de connaissances vaste et complexe et de le présenter de manière conviviale et digeste au BCAH. Nous en avons ensuite confié le codage à l’équipe. 

Dépasser les attentes

« Le succès de cette collaboration m’a ébloui, se réjouit M. Hogenhout. Mes attentes n’étaient pas très élevées dans le sens qu’il s’agissait d’une première collaboration, que nous disposions de peu de temps et qu’en plus les équipes ne se connaissaient pas. Les résultats ont très largement dépassé mes attentes. » 

Il ajoute que notre collaboration a incité son équipe à explorer de nouvelles façons d’utiliser l’outil, en vue d’aider le BCAH et les Nations unies dans leur globalité.

« Par exemple, depuis la COVID, nos équipes sont très intéressées par la santé, les pandémies et la résilience des communautés. Et elles commencent à se demander : dans les projets que nous avons réalisés, au cours des deux dernières années notamment, dans quelle mesure nous sommes-nous réellement concentrés sur la santé? Se repencher sur des centaines de descriptifs de projets et les relire pour vérifier leur pertinence par rapport aux initiatives de santé représenterait une tâche énorme. Il est tout bonnement impossible de fournir ces informations pour le moment. Mais avec l’outil dont Slalom a jeté les bases, nous allons pouvoir le faire. » 

Nos principaux bénéficiaires

Cette solution peut être utilisée par n’importe quelle organisation qui possède des documents longs et complexes dont l’examen s’avère chronophage. Prenez par exemple des rapports de recherche médicale, des demandes de prêt ou des polices d’assurance. Grâce à ces outils, les organisations peuvent traiter ces documents de manière approfondie, en seulement quelques secondes.

« Cette solution offre un potentiel immense. Elle est capable d’aider non seulement les Nations unies, mais aussi toute organisation confrontée au défi d’examiner des propositions et de les associer à des missions spécifiques », analyse M. Hogenhout. 

Pour l’instant, ce sont les personnes en situation de crise qui bénéficieront avant tout de ce travail. « Pour venir en aide à ces personnes, nous aidons les membres du Bureau des affaires humanitaires qui sont responsables d’étudier les projets. Nous aidons les donateurs à mieux comprendre comment leur argent est dépensé. Nous aidons la direction du BCAH à bénéficier d’un meilleur aperçu des tendances au fil du temps. Nous aidons toutes ces parties de manière très concrète. Mais en fin de compte, l’objectif premier de tout ce travail, c’est surtout d’aider les personnes dans le besoin. »